recommendation-engine

    2热度

    3回答

    如何从elasticsearch结果中排除大量的id？

    我有很多产品索引在elasticsearch。我需要从elasticsearch中的查询中排除一个id列表（我从SQL数据库中提取）。 假设产品存储为， { "id" : "1", "name" : "shirt", "size" : "xl" } 我们展示推荐产品的列表，基于使用elasticsearch一些算法客户。 如果客户将产品标记为“不感兴趣”，我们不
    elasticsearch solr lucene elk-stack recommendation-engine 2017-09-26

    -1热度

    1回答

    根据用户的兴趣推荐相似用户的recsys算法的类型或家族是什么？

    我正在学习Coursera MooC的推荐系统。我发现主要有三种类型的过滤方法（在引入过程中）。 a。基于内容的过滤 b。 Item-Item协同过滤 c。用户 - 用户协同过滤 了解了这一点，我不确定 - 类似用户根据兴趣/偏好属于哪个建议？例如，考虑我有User-> TopicsOfInterest0..n关系。我想根据各自的TopicsOfInterest（矢量）推荐其他类似的用户。
    recommendation-engine collaborative-filtering 2017-10-09

    1热度

    1回答

    带二进制输入的ALS

    我有一个使用Spark ALS构建的协作系统。我想根据他们购买的产品向用户推荐产品，而不是评分。所以我已经为用户购买的所有产品设置了1。并建立了一个ALS系统。预测值超过1分，rmse为0.99。我设置了implicitprefs = True。请找到下面的代码。 rmse为0.99是不是太高了？这是一个正确的方法吗？ 注意：我用for循环改进了迭代和排名参数。 Ratings = Ratings
    python-3.x apache-spark-mllib recommendation-engine collaborative-filtering matrix-factorization 2017-10-11

    0热度

    1回答

    我的方法检测矩阵分解中的过拟合是否正确？

    我使用矩阵分解作为基于用户点击行为记录的推荐系统算法。我尝试2点矩阵因式分解方法： 第一种是基本SVD，其预测为用户因子矢量的只是产品ù和项目因子我：R = ü * 我 我使用的第二个是带偏差分量的SVD。 R = ü * 我 + b_u + b_i 其中b_u和b_i表示用户和项目的偏好倾向。 我使用的一个模型的性能非常低，另一个是合理的。我真的不明白为什么后者表现更差，我怀疑它是否过度配合。
    machine-learning recommendation-engine mahout-recommender matrix-factorization 2017-08-25

    2热度

    2回答

    让numpy的矩阵更稀疏

    假设我有一个numpy的阵列 np.array([ [3, 0, 5, 3, 0, 1], [0, 1, 2, 1, 5, 2], [4, 3, 5, 3, 1, 4], [2, 5, 2, 5, 3, 1], [0, 1, 2, 1, 5, 2], ]) 现在，我想随机替换0。所以一些元素，我有这样的 np.array([ [3,
    python numpy matrix recommendation-engine 2017-08-26

    0热度

    1回答

    PredictionIO和建议模板文件

    我试图建立使用PredictionIO电影推荐应用。 我已经在泊坞使用PredictionIO 0.11，这个问题 ，当我运行pio build --verbose它显示： no engine found. your build might have failed. aborting. 不知道从哪里放推荐的模板文件？ 有什么想法？
    recommendation-engine predictionio 2017-10-20

    0热度

    1回答

    从R中的字符文件转换为.libfm格式

    我在R中有一个稀疏矩阵。使用包libFMexe我可以将矩阵转换为libFM的正确格式。我得到 head(libFMmat) [1] "1 0:1 5000:1 33736:1 33737:1 33738:1 33739:1 33740:1 33741:1 33742:1 33743:1 33744:1 33745:1 33746:1 33747:1" [2] "1 0:1 5001:1 33
    r recommendation-engine 2017-09-04

    -2热度

    1回答

    广告推荐系统

    我曾尝试使用下面的LIB创建简单的广告推荐系统： http://surpriselib.com/ 惊喜的lib stricts数据折叠结构： 这样的文件，假设指定每行只有一个等级，并且每个 行需要遵循以下结构： user;项目;评分 ; [时间戳] 我用一个简单的结构，工作而不评级： user_id ad_id 它定义了广告用户点击。我需要某种协作过滤器来向用户推荐适当的广告。我应该使用其他图
    python recommendation-engine collaborative-filtering 2017-09-14

    0热度

    1回答

    XGBoost/lightGBM如何评估ndcg的排名任务？

    我目前正在XGBoost/lightGBM之间进行测试，以便对项目进行排名。我正在复制这里提供的基准：https://github.com/guolinke/boosting_tree_benchmarks。 我已经能够成功地重现他们的工作中提到的基准。我想确保我正确实现了我自己的ndcg指标版本，并正确理解排名问题。 我的问题是： 当使用NDCG创建测试集验证 - 有一个test.group文件
    python machine-learning recommendation-engine xgboost lightgbm 2017-09-15

    1热度

    1回答

    ArangoDB - 基于图表的推荐系统

    我正在使用ArangoDB我试图建立一个基于图形的推荐系统。 数据模型只包含用户，项目和评级（边缘）。 因此想要计算用户对电影的亲和力，其中katz度量。 最后，我想这样做： Get all (or a certain number of) paths between a user and a item For all of these paths do the following:
    graph-databases arangodb recommendation-engine aql multi-model-database 2017-11-11
最新问题